University of Maryland
PulseAugur coverage of University of Maryland — every cluster mentioning University of Maryland across labs, papers, and developer communities, ranked by signal.
6 天有情绪数据
-
NVIDIA 训练 AI 代理从关键性错误中恢复
NVIDIA 研究人员与普林斯顿大学和马里兰大学合作，开发了 PivotOPD，一种新颖的多轮 AI 代理训练方法。该技术教会代理识别并从可能导致任务失败的关键早期错误中恢复。PivotOPD 在 ALFWorld、WebShop 和基于搜索的问答等多个基准测试中表现出卓越的性能，在应用于 Qwen3 和 Nemotron-3.5-SFT 等模型时，优于其他 13 个基线。
-
AI 聊天机器人将成为“真理神谕”，挑战新闻业的未来
计算机科学家 Arvind Narayanan 预测，先进的 AI 聊天机器人将演变成值得信赖的“真理神谕”，可能削弱传统新闻业的作用。他认为，随着 AI 系统变得越来越准确并与工具集成，它们将解决事实争议，使新闻业能够专注于叙事、有争议的问题以及关于立场透明度的问题。Narayanan 在西北大学的计算+新闻学研讨会上分享了这些见解，强调媒体行业需要为 AI 的未来能力做好准备，而不是关注其当前的局限性。
-
新的LCLM架构将LLM上下文压缩16倍，提高效率
研究人员开发了潜在上下文语言模型（LCLM），该模型在输入文本到达解码器之前将其压缩16倍，从而显著降低了内存和计算成本。这种由多所大学和国家实验室团队开发的新颖方法在长上下文基准测试中保持了高精度，并且优于现有的压缩方法。LCLM架构使用一个较小的编码器来创建压缩的“摘要向量”，并使用一个较大的解码器来处理这些向量，为处理大上下文提供了更有效的方式，特别适用于RAG系统和代理。
-
特朗普在国会面临人工智能的强烈反对，议员们呼吁加强监管 · 跟踪 4 个来源
美国国会中的民主党和共和党成员都对唐纳德·特朗普在人工智能问题上的立场提出了批评。尽管特朗普将对人工智能潜在危险的担忧斥为“骗局”，但包括 Don Beyer 在内的许多议员认为，他对风险不予重视是“灾难性的愚蠢”。人工智能研究所 (AI Now Institute) 的 Amba Kak 等专家认为，这种日益增长的认识是建立人工智能护栏的关键政策机会，尤其是在 Anthropic 研究人员发出关于生存威胁和人工智能代理潜在网络安全风…
-
OpenAI 推出 Jalapeño AI 芯片，设计过程借助 LLM
OpenAI 发布了其首款定制 AI 加速器芯片 Jalapeño，据报道，与 Nvidia 的 GB300 等现有硬件相比，该芯片在性能和能效方面都有显著提升。该芯片在不到 20 个月的时间内完成设计，其快速进展部分归功于 OpenAI 利用其自身的语言模型加速了设计过程。虽然与 Broadcom 的合作对于物理设计至关重要，但专家认为 LLM 的集成将继续加快芯片的开发速度。
-
马里兰大学招聘AI博士后研究激光系统
马里兰大学巴尔的摩分校正在招聘一名博士后研究员，将机器学习和AI代理模型应用于高能激光系统研究。该职位专注于利用AI技术在激光系统领域，完整的职位描述可在jobRxiv上找到。
-
特朗普政府通过资金和政策调整重塑美国高等教育
特朗普政府正通过资金杠杆和潜在的诉讼，对美国高等教育进行重大重塑。这种方法始于2025年初，给研究资金和国际合作带来了不确定性。一项拟议中的管理和预算办公室规定，可能要求政治任命官员审查拨款申请，并终止那些不符合机构优先事项的申请，此举被批评者认为破坏了公平竞争和创新。
-
专家警告称，美国“金钟罩”导弹防御计划或引发军备竞赛
专家们对美国提出的“金钟罩”导弹防御系统可能无意中加剧与中国和俄罗斯的军备竞赛表示担忧。尽管旨在加强安全，但该系统可能无法完全防御大规模袭击。批评者认为，此类防御措施可能会引发报复性反应，导致美国比以往任何时候都更加脆弱，并加剧进一步的军事扩张。
-
Flock Safety 首席执行官就警方滥用摄像头事件道歉，抵制声浪高涨
Flock Safety 因其车牌识别器被执法部门滥用而面临严重抵制，活动人士呼吁破坏摄像头。首席执行官 Joshua Safdie 已就该技术的不当使用道歉，该技术已被美国各地的警察部门使用。这场争议凸显了人们对监控和隐私的持续担忧，特别是关于这些系统收集的数据及其被滥用的可能性。
-
人工智能时代需要“安全”学位：顶尖大学聚焦可转移技能
在当前的就业市场中，某些大学学位因需求高和可转移技能的发展而被认为是“安全”的。这些领域通常结合了技术熟练度和批判性思维，为毕业生应对不断变化的职业格局做好准备。
-
NSF 在马里兰大学活动中参与 MLsec 研究
美国国家科学基金会 (NSF) 正在参与机器学习安全 (MLsec) 研究，这从在马里兰大学的一次活动中的演讲中可以看出。重点似乎在于 MLsec 的学术方面，与应用技术方法形成对比。
-
纠缠光子成功通过62公里商用光纤传输
研究人员成功地在62公里的商用光纤电缆上传输了纠缠光子，证明了利用现有互联网基础设施构建量子网络的可行性。这项由美国国家标准与技术研究院（NIST）及其合作者报告的成就表明，脆弱的量子纠缠能够经受住现实世界中的条件，如温度波动和物理干扰。这一发展是构建能够增强科学研究、实现超安全通信和提升量子计算能力的量子网络的重要一步。
-
质疑AI图像生成的目的和受众
该条目质疑了AI图像生成技术的预期受众和目的。它探讨了这些工具是主要面向艺术家、消费者还是其他特定群体，并触及了深度伪造（deepfake）和AI“slop”等相关概念。
-
印度的季风波动威胁农作物和电力供应
印度正经历异常的季风模式，6月创纪录的干旱之后是强降雨，随后又出现间歇。这些反复无常的波动扰乱了传统耕作方式，并威胁着农作物产量。科学家将这些变化归因于全球变暖和厄尔尼诺现象，这导致大气以极端、不可预测的爆发方式储存和释放水分。
-
马里兰大学研究揭示AI文本检测依赖结构而非词汇
马里兰大学和Google DeepMind的最新研究分析了61,608篇文本，以了解AI生成内容为何可被检测。研究发现，诸如去除陈词滥调或冗余措辞等表面编辑对检测率影响甚微，仅提高1.6%。持续存在的关键结构性线索包括AI模型陈述段落要点、使用身体隐喻表达情感以及比人类更频繁地称呼读者。基于这些发现，开发了一个名为“unslop”的Claude技能，该技能专注于结构性写作元素和语调校准，而不是试图规避检测。
-
研究发现，AI生成的虚构作品因叙事结构过于简单而易于识别
马里兰大学和Google DeepMind的研究人员的一项研究表明，AI生成的虚构作品因其过于简单的叙事结构而易于识别。这项研究分析了超过50,000个AI生成的短篇故事，发现与人类创作的故事相比，AI倾向于过度解释主题、偏爱直白的故事情节，并且道德模糊性较低。像Claude、GPT和Gemini等特定模型在各自的弱点方面被提及，例如事件升级平淡、过度使用梦境序列以及过多描述外部角色。研究结果表明，AI生成的故事情节在可预测的叙事空间…
-
Pangram Labs 发布 Firefox AI 检测工具
Pangram Labs 发布了一款名为 Pangram AI Detection 的 AI 检测工具，该工具可作为 Firefox 附加组件使用。该工具声称是市场上最准确的，并已获得芝加哥大学和马里兰大学的验证。用户可以直接在浏览器中检查文本是否包含 AI 内容，但七天免费试用期后需要账户和订阅，并且每天限制四次扫描，每次最多 1000 字。
-
研究发现：AI生成的虚构作品因叙事结构简单而易于识别 · 跟踪4个来源
马里兰大学和Google DeepMind的研究人员的一项新研究表明，AI生成的虚构作品很容易被识别，因为其叙事结构简单且倾向于过度解释主题。该研究分析了超过50,000个AI生成的故事，发现Claude、GPT和Gemini等模型表现出独特的、但聚集的叙事模式，这与人类创作的虚构作品中更为多样化的模式不同。这种方法超越了风格上的线索，以识别故事讲述中潜在的结构差异。
-
单个神经元绕过LLM安全；新RL框架改进对齐
来自Apple Inc.和马里兰大学的研究表明，单个神经元足以绕过大型语言模型的安全对齐，从而表达有害知识。另外，一个名为Oyster-II的新框架利用强化学习来改进LLM的建设性安全对齐，超越了简单的拒绝，能够更好地处理敏感查询而不损害有用性。Oyster-II在安全泛化方面表现更优，并避免对良性提示过度应用安全推理，其性能优于先前的方法，并在安全基准测试中可与更大的模型相媲美。
-
加州禁止“最佳销售日期”食品标签以减少浪费和排放 · 跟踪到1个来源
加州已颁布一项新法律，禁止在食品包装上使用“最佳销售日期”（sell by）标签，旨在减少混淆和食物浪费。从周三开始，制造商必须使用标准化标签：“最佳享用日期”（Best if Used By）表示最佳品质，“使用日期”（Use By）表示安全性。这项举措预计将减少该州每年丢弃的大量未过期食品。其他州和联邦层面也在考虑类似的立法。